【经管大课堂·AI经管实践】算力承诺与项目取消：AI基础设施资本开支的「冷热背离」

案例背景

2026年下半年，美国AI基础设施投资出现了一次罕见的「冷热背离」。一方面，OpenAI首席财务官公开表示，公司将继续推进在美国的数据中心扩张计划，把算力视为模型能力与产品体验的底座，投资节奏不会因为短期市场波动而改变；另一方面，资本市场给出的却是相反信号——美国数据中心相关股票持续遭到抛售，下半年已有逾20个数据中心项目被取消或延期，涉及电力配套、机柜交付与土建施工等多个环节。据第一财经与财新网报道，这一背离并非孤立事件，而是贯穿整个下半年的结构性现象。

值得注意的是，背离的两端并不是同一批决策者。前者是模型厂商基于技术路线图做出的战略承诺，时间尺度以年计；后者是REITs、基础设施基金与私募信贷基于现金流预期做出的定价选择，时间尺度以季度计。当「承诺」是一份多年期的资本开支计划，「取消」是一次季度级的风险重定价时，同一个产业就同时出现了扩张与收缩两种叙事。据报道，部分项目被取消的直接触发因素是电价上涨、并网排队时间延长与融资成本抬升，而不是AI需求本身突然消失。

核心分析

一、资本开支的现金流久期错配

数据中心是典型的长久期资产：从选址、并网、土建到服务器上架，通常需要数年时间，折旧年限以十年计，现金回收期远长于一般制造业。而AI需求侧的验证周期却以季度为单位——模型能力在迭代，token价格在下行，客户的付费意愿与使用深度都还在快速变化。用长久期资产去承接短周期需求，本质上是用资产负债表去赌一条尚未被证实的需求曲线。一旦边际信号转弱，融资端的风险溢价会先动，项目端的取消随后发生，这就是「承诺—取消」背离的传导机理，而不是简单的市场情绪波动。理解这一点，就能明白为什么管理层的公开表态与具体项目的暂停可以同时成立——前者管理的是预期，后者管理的是现金。在重资产行业，投资决策与融资决策本就是一体两面：当融资窗口收窄、信用利差走阔，即便战略方向正确，项目也会因资金成本而被迫搁置。利率与风险偏好的变化，往往比需求数据更早预示产能的收缩。

二、单位经济模型无法闭合时的扩张幻觉

单个数据中心的单位经济模型（UE）可以拆解为几个变量：每兆瓦的资本开支、电价水平、GPU折旧速度、机柜出租率或token收入。当电价上行、先进芯片折旧加快、需求因客户分散而利用率下降时，单位毛利会被双向挤压。此时扩大规模不仅不能摊薄固定成本，反而会放大亏损——规模经济成立的前提是边际成本随规模递减，而在电力接入、先进封装与并网容量这些环节，边际成本很可能是递增的。用「算力即石油」的叙事替代UE测算，是这一轮扩张中最危险的做法。真正稳健的扩张，应当以已签约客户的最低承诺消费为锚，而不是以模型榜单的排名为锚。更细一层看，UE的分子端也存在幻觉：机柜租金与token价格都在下行，而电力、运维与折旧成本相对刚性，这意味着即便利用率提升，单位毛利也未必改善。

三、实物期权视角下被低估的「可延迟性」

从实物期权理论看，数据中心项目具有相当高的「可延迟价值」：当技术路线尚未定型、电价尚未锁定、长期客户尚未签约时，等待所保留的选择权本身就值钱。但组织的考核指标与市场叙事一旦把「算力储备」当作竞争壁垒，延迟就会被解读为示弱，于是企业在期权价值最高的时刻提前行权。下半年逾20个项目被取消，本质上是市场替企业执行了一次期权重新定价，代价由股东与债权人共同分担。这也解释了为什么同一时期头部厂商仍在表态扩张，而中小开发商却在快速退出——前者有能力承担等待成本，后者没有。

管理启示

对企业而言，AI基础设施决策的第一性问题不是「要不要投」，而是「用什么节奏投、由谁承担久期风险」。一种可行的方法是把资本开支切成两块：一块是「已被验证需求覆盖的部分」，按已签约合同与利用率倒推建设规模；另一块是「期权性的预留部分」，用可退出的租赁、第三方托管或按需采购算力来替代自建，把固定成本转化为可变成本。这样既保留了扩张的可能性，又避免了在需求尚未验证时把现金锁死在混凝土里。

值得强调的是，暂缓不等于放弃。企业可以用「分期建设、模块化扩容」的方式保留弹性：先建成电力接入与外壳，机柜与服务器按订单分批上架，把一次性的巨额支出拆成可随需求调整的序列。这样既不丧失窗口期，也不至于在需求证伪时背上全额沉没成本。对现金流敏感的企业，这种结构化的投资节奏，本身就是一种竞争力。

第二，建立需求侧的前置验证指标。与其关注模型榜单与发布会，不如盯住签约客户的最低承诺消费、token价格的边际变化、单客户用量与留存。这些指标比任何叙事都更早反映真实需求。第三，把电力与并网作为一级风险项纳入投资委员会——在多数项目中，电价与接入时序的不确定性，对内部收益率的影响已经超过芯片供应本身。最后，董事会层面需要区分「战略承诺」与「财务承诺」：前者可以放眼长期，后者必须分段释放。公开表态继续扩张，与暂缓某个具体项目并不矛盾，关键在于让资本开支的闸门与需求验证信号保持联动，而不是被叙事推着走。真正稀缺的不是算力，而是能够承受错误定价的资产负债表。

其他思考

1. 当模型厂商把「算力储备」当作竞争壁垒时，这种重资产投入究竟是护城河，还是被需求方与电力方双向挤压的沉没成本？
2. 如果AI需求的真实曲线比叙事慢两到三年，当前的取消潮是周期性波动，还是产能向运营效率更高的玩家集中的开始？
3. 在政府主导统筹算力布局的模式下，规划的确定性与企业自建的灵活性，哪一种更能缓解资本开支的久期错配？

关键词：AI基础设施、资本开支、单位经济模型、现金流久期、实物期权
来源：第一财经、财新网 | 整理：经管大课堂